Article Per Year (5 Year)
p-Index From 2021 - 2026
1.347
P-Index
This Author published in this journals
All Journal Annual Research Seminar J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal ICT : Information Communication & Technology Jurnal Teknologi Informatika dan Komputer Informatics and Digital Expert (INDEX) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi)
Puspita Nurul Sabrina
Universitas Jenderal Achmad Yani
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Diagnosa Gejala yang Muncul Bersamaan pada Penderita Tuberculosis Menggunakan Algoritma Apriori dengan Substitusi Metode Bayesian pada Nilai Confidence Delfany Arcadia Valeska; Fajri Rakhmat Umbara; Puspita Nurul Sabrina
Jurnal Teknologi Informatika dan Komputer Vol 8, No 1 (2022): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v8i1.1105

Abstract

Tuberculosis merupakan salah satu penyakit infeksi yang menyerang saluran pernapasan manusia yang berasal dari bakteri mycobacterium. Berdasarkan data WHO pada tahun 2012, Tuberculosis adalah salah satu penyakit menular yang menyebabkan masalah kesehatan terbesar kedua di dunia. Agar permasalahan tersebut dapat diatasi, diperlukan metode yang dapat mendiagnosa gejala yang muncul bersamaan pada penyakit Tuberculosis. Pada penelitian ini, digunakan metode Association Rules dengan algoritma Apriori yang dimodifikasi dengan metode Bayesian untuk mendapatkan aturan asosiasi yang memenuhi nilai minimum support dan nilai minimum confidence dengan beberapa jumlah itemset dalam keseluruhan gejala tuberculosis untuk mencapai nilai persentase support dan nilai persentase confidence terbaik dalam mendiagnosa gejala yang muncul bersamaan pada penderita tuberculosis. Modifikasi algoritma apriori dilakukan dengan mensubstitusi metode bayesian pada formula confidence di apriori standar. Tujuan penggunaan algoritma Apriori pada permasalahan ini adalah untuk mengetahui gejala apa saja yang muncul bersamaan pada penderita tuberculosis. Adapun hasil dari penelitian ini adalah rule pertama pada apriori non modifikasi untuk nilai minimum support 50% menghasilkan nilai confidence sebesar 100% dan nilai confidence pada apriori yang dimodifikasi sebesar 39,6%. Sedangkan rule kedua pada apriori non modifikasi untuk nilai minimum support 50% menghasilkan nilai confidence sebesar 75% dan nilai confidence pada apriori yang dimodifikasi sebesar 90%.
Reverse Engineering Pada Basis Data Relasional Untuk Optimasi Performansi Query Fajri Umbara; Herdi Ashaury; Puspita Nurul Sabrina
Jurnal ICT: Information Communication & Technology Vol. 23 No. 1 (2023): JICT-IKMI, Juli 2023
Publisher : LPPM STMIK IKMI Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemanfaatan basis data sudah dimulai sejak komputer generasi ke 2 diciptakan, yaitu sekitar tahun 1960. Semakin bertambahnya tahun, penggunaan basis data sudah memiliki perkembangan dan didukung dengan teknologi yang sudah canggih pada masa sekarang. Basis data yang sering digunakan dalam masalah transaksi adalah basis data dengan skema relasional atau sering disebut dengan Relational Database dan diimplementasikan dengan baik oleh aplikasi Relational Database Management System (RDBMS). Permasalahan yang sering dihadapi adalah pengimplementasian basis data relasional yang tidak baik, terutama dari sisi relasi, kardinalitas, dan strukturnya secara umum sehingga apabila dilakukan suatu proses query, maka hasilnya tidak optimal. Hal ini terjadi karena akses dari basis data yang secara paralel dapat diakses oleh banyak pengguna dalam satu waktu. Pada penelitian ini dilakukan evaluasi secara benchmark hasil query basis data relasional sebelum dilakukan desain ulang dan setelah dilakukan desain ulang menggunakan teknik reverse engineering. Hasil yang didapat adalah peningkatan performansi rata-rata sekitar 82.2442% setelah dilakukannya perbaikan struktur desain dan implementasi tabel untuk hasil query yang sama pada aplikasi RDBMS Mysql.
Prediksi Penjualan Obat Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS) Siti Rahmah; Wina Witanti; Puspita Nurul Sabrina
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 7, No 3 (2022): Desember
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51213/jimp.v7i3.733

Abstract

Abstrak— Penelitian yang akan dilakukan, menggunakan metode ANFIS dalam memprediksi data penjualan obat. Dilakukan untuk mengetahui dan menemukan pola dari metode ANFIS ketika digunakan dalam teknik prediksi dan juga untuk mengetahui hasil akurasi prediksi yang didapatkan ketika menggunakan data penjualan obat, apakah lebih baik dari penelitian sebelumnya atau lebih buruk. Data yang digunakan adalah data penjualan obat yang berstudi kasus di Apotek Agsya. Metode ANFIS memiliki 5 layers atau biasa juga disebut sebagai hiden layers ANFIS,  yang mana masing-masing lapisannya mempunyai perlakuan yang berbeda, dan setiap lapisannya mempunyai peran masing-masing dalam perhitungan algoritma ANFIS. Berdasarkan dari pengujian dengan menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS), pada pengujian data penjualan obat amlodipin sebanyak 274 data dengan 20 epoch (error terkecil yang diharapkan 10-3), didapatkan hasil error terkecil nilai RMSE sebesar 0.127. 
Co-Authors Ade Kania Ningsih Azy Mushofy Anwary Budi Dwi Prasetyo Delfany Arcadia Valeska Fajri Rakhmat Umbara Fajri Umbara Galih Yuga Pangestu Engko M Hadiana, Asep Id Helmi Fachrureza Herdi Ashaury Kasyidi, Fatan Kundika whicak Nelsih Putriani Resty Awaliah Febrianty Sheila Nurmeila Ashma Siska Vadilah siti rahmah Tacbir Hendro Pudjiantoro Wina Witanti Yulison Herry Chrisnanto